算法复杂度——嵌套 For 循环
Algorithm Complexity-Nested For Loops
for(j=n; j>1; j/=2)
++p;
for(k=1; k<p; k*=2)
++q;
在第一个代码示例中，p 变量属于 1st 循环。那么，即使它们不是嵌套循环，也会 2nd return log(n) 吗？我的意思是，O(loglog(n))？
for(i=n; i>0; i--){
for(j=1; j<n; j*=2){
for(k=0; k<j; k++){
//statements-O(1)
}
}
}
而这一个，它们是嵌套的，但是 k 变量属于 2nd 循环。那么，它应该类似于第一个吗？像 O(n^2.log(n)) 或 O(n.log^2(n))?
算法：
第一个循环需要 log(n) 时间。第二个循环需要 log(log(n)) 时间。所以你有 log(n) + log(log(n))。但是第一个循环更重要。所以它是 O(log(n)).
算法：首先看看当你只分析两个外部 for 循环（意味着 n log(n)）时你有多少 运行时间。但不幸的是，内部有第三个 for 循环，这使得它更加复杂。
第三个 for 循环从 0 到 2^m，其中 m=log(n)。因此，您必须将 2^m 从 0 加到 log(n)-1，即 n-1。所以n-1是两个内层for循环的运行时间。现在您必须将它乘以外部 for 循环的线性 运行 时间。所以它是 (n-1)n 也就是 n²-n。所以你有 O(n²) 三个循环。
for(j=n; j>1; j/=2)
++p;
for(k=1; k<p; k*=2)
++q;
在第一个代码示例中，p 变量属于 1st 循环。那么，即使它们不是嵌套循环，也会 2nd return log(n) 吗？我的意思是，O(loglog(n))？
for(i=n; i>0; i--){
for(j=1; j<n; j*=2){
for(k=0; k<j; k++){
//statements-O(1)
}
}
}
而这一个，它们是嵌套的，但是 k 变量属于 2nd 循环。那么，它应该类似于第一个吗？像 O(n^2.log(n)) 或 O(n.log^2(n))?
算法： 第一个循环需要 log(n) 时间。第二个循环需要 log(log(n)) 时间。所以你有 log(n) + log(log(n))。但是第一个循环更重要。所以它是 O(log(n)).
算法：首先看看当你只分析两个外部 for 循环（意味着 n log(n)）时你有多少 运行时间。但不幸的是，内部有第三个 for 循环，这使得它更加复杂。
第三个 for 循环从 0 到 2^m，其中 m=log(n)。因此，您必须将 2^m 从 0 加到 log(n)-1，即 n-1。所以n-1是两个内层for循环的运行时间。现在您必须将它乘以外部 for 循环的线性 运行 时间。所以它是 (n-1)n 也就是 n²-n。所以你有 O(n²) 三个循环。